본문 바로가기

분류 전체보기834

데이터 키(Data Key) 본질적 제약, 내재적 제약, 기본키와 외래키 I. 데이터 키의 개요의 개요 가. 데이터 키(Data Key)의 정의 - 한 릴레이션 내에 튜플을 유일하게 식별 할 수 있는 속성의 집합 나. 데이터 키의 특징 - 유일성, 최소성(유일성을 지니는 최소한의 속성 포함) II. 데이터 키의 종류 및 무결성 제약 조건의 관계 가. 데이터 키의 종류 종류 설명 기본키 - 여러 개의 후보키 중 하나를 선정하여 테이블을 대표하는 키 후보키 - 키의 특성이 유일성과 최소성(Not Null)을 만족하는 키 수퍼키 - 유일성을 만족하나 최소성을 만족하지 않는 키 대체키 - 여러 개의 후보키 중 기본키로 선정되고 남은 나머지 키, 기본키로 대체할 수 있는 키 외래키 - 어느 한 릴레이션 속성에 집합이 다른 릴레이션에서 기본키.. 2021. 3. 6.
3단계 스키마구조 I. 3단계 스키마구조의 개요 가. 3단계 스키마구조의 정의 - 데이터베이스 관리 측면에서 데이터베이스를 외부/개념/내부 3단계로 구별하여 구조와 그 관계를 기술 나. 3단계 스키마구조의 특징 - 미국표준협회(ANSI) 산하 X3위원회에서 제안한 데이터베이스 관리, 인터페이스를 위한 아키텍처 II. 스키마와 인스턴스의 비교 구분 스키마 인스턴스 정의 - 데이터베이스에 저장되는 데이터의 구조 및 유형 정의 - 데이터베이스에 저장되는 값 특징 - 한 번 정의되면 잘 변경되지 않음 - 계속적으로 변경되는 데이터베이스 특성으로 인해 자주 변경 조작언어 - DDL (Data Definition Language) - DML (Data Manipulation Language) III. 3단계 스키마구조의 사례 2021. 3. 6.
데이터 독립성(Data Independency) 외부 스키마, 개념 스키마, 내부 스키마 I. 데이터 독립성의 개요 가. 데이터 독립성(Data Independency)의 정의 - 데이터의 논리적 구조나 물리적 구조가 변경되더라도 응용 프로그램이 영향을 받지 않도록 하는 데이터베이스 성질 나. 데이터 독립성의 종류 - 논리적 데이터 독립성 : 개념 스키마, 외부 스키마의 변경은 서로 영향 없음 - 물리적 데이터 독립성 : 내부 스키마, 개념 스키마의 변경은 서로 영향 없음 II. 데이터 독립성의 개념도 및 구성요소 가. 데이터 독립성 개념도 - 하위 스키마의 구현 내용을 추상화하여 하위 스키마가 변경하더라도 상위 스키마는 변하지 않음 나. 데이터 독립성의 구성요소 항목 정의 핵심 외부 스키마 (External Schema) - 뷰 단계 여러 개의 사용.. 2021. 3. 6.
릴레이션 무결성 (Relational Integrity) I. 릴레이션 무결성 가. 릴레이션 무결성 (Relational Integrity)의 정의 - 삽입, 삭제, 갱신과 같은 연산을 수행하기 전과 후에 대한 상태의 제약 II. 릴레이션 무결성 제약의 유형 유형 설명 상태 제약 - 데이터베이스가 일관성 있는 상태가 되기 위한 조건을 명세 - 특정시점에 만족되어야 하는 정적제약의 성질을 가짐 과도 제약 - 데이터베이스의 한 상태에서 다른 상태로 변환되는 과정에서 적용되는 규칙 - 데이터베이스 변경 전, 후 모두 만족되어야 하는 동적제약의 성질을 가짐 집합 제약 - 튜플 집합 전체에 관련되어 적용되는 규칙 튜플 제약 - 처리되고 있는 튜플 에만 적용되는 규칙 즉시 제약 - 연산이 수행되는 즉시 적용되는 규칙 지연 제약 - 트랜잭션이 완전히 수행된 후 적용되는 규칙 2021. 3. 6.
릴레이션 I. 데이터베이스 관계 개요 가. 데이터베이스 관계(Relation)의 정의 - 테이블과 같은 의미로 같은 성격의 데이터들의 집합 나. 데이터베이스 관계의 특성 - 튜플의 유일성, 튜플의 무순서, 속성의 무순서, 속성의 원자성 II. 데이터와 릴레이션, 릴레이션 간의 관계 가. 데이터와 릴레이션 나. 릴레이션 간의 관계 1) 릴레이션 내에서 생성되는 관계 - 릴레이션 내 데이터들의 관계 2) 릴레이션 간에 생성되는 관계 - 릴레이션 간의 관계 III. 릴레이션 스키마, 인스턴스 릴레이션 스키마 - 릴레이션의 논리적 구조로 릴레이션의 이름과 릴레이션에 포함된 모든 속성의 이름으로 정의 릴레이션 인스턴스 - 어느 한 시점의 릴레이션에 존재하는 튜플들의 집합으로 릴레이션 외연이라 하고 동적인 특징을 가짐 2021. 3. 6.
Phantom Conflict I. Phantom Conflict의 개요 가. Phantom Conflict의 정의 - 두 개 이상의 트랜잭션이 실제 데이터베이스에 저장되어 있는 튜플이 아니라 데이터베이스에 삽입되려는 가상의 튜플, 즉 팬텀 튜플에 의해 트랜잭션이 충돌되어 일관성 및 무결성 보장되지 않는 현상 나. Phantom Conflict의 영향 영향 설명 읽기 수행 시 - 다른 트랜잭션의 삽입 결과로 처음 읽을 때 없었던 행이 다음에 읽을 시 나타날 수 있음 삭제 수행 시 - 다른 트랜잭션이 삭제 동작으로 인해 트랜잭션이 첫 번째 행 범위를 읽을 때 있었던 행이 재 수행 시 사라질 수 있음 II. Phantom Conflict 발생 해결방안 해결방법 설명 Locking 단위 확대 - Locking의 단위를 튜플이 아니라 릴레이.. 2021. 3. 6.
트랜잭션(Transaction) I. 트랜잭션의 개요 가. 트랜잭션(Transaction)의 정의 - 한번에 수행되어야 할 데이터베이스의 일련의 읽기와 쓰기 연산에 대해 수행하는 하나의 단위 나. 트랜잭션의 특징 특징 설명 Atomic - 트랜잭션은 분해가 불가능한 최소의 단위로 연산 전체가 처리되거나 처리되지 않아야 한다. Consistency - 트랜잭션이 실행을 성공적으로 완료하면 언제나 모순 없이 일관성 있는 데이터베이스 상태를 보존 Isolation - 트랜잭션이 실행 중 생성하는 연산의 중간 결과를 다른 트랜잭션이 접근할 수 없음 Durability - 성공이 완료된 트랜잭션의 결과는 영구(속)적으로 데이터베이스에 저장 II. 트랜잭션의 상태 가. 트랜잭션 상태 개념도 나. 트랜잭션 상태 요소 구분 설명 활동상태 - 초기 상.. 2021. 3. 6.
통계 데이터베이스 SUM, AVG, 통계함수, 추론 I. 집합과 추론으로 데이터 접근, 통계 데이터베이스의 개요 가. 통계 데이터베이스의 정의 - 데이터베이스 내부의 민감 정보가 보호되고 있음에도 불구하고, 보호되지 않는 다른 데이터에서 추측할 수 있는 데이터를 포함한 데이터베이스 나. 통계 데이터베이스의 보안 - 집합(Aggregation), 추론(Inference) II. 통계 데이터베이스에서의 질의문 가. 통계 질의문에서 사용하는 통계 함수 통계 함수 설명 함수 적용 사례 COUNT 테이블에서 열의 수 또는 행의 수를 결정 함수 괄호 내부에 * 또는 컬럼을 지정 -COUNT(*) -COUNT(컬럼명) MIN/MAX 열에서 최소, 최대값을 결정 -MAX(급여) SUM 열에 있는 값들의 합을 결정 오직 열과 수치 자료형.. 2021. 3. 6.
GAN(Generative Adversarial Networks) Generator(G), Discriminator(D), Noise(Z) I. 위조 지폐범과 경찰의 대결, GAN의 개요 가. GAN(Generative Adversarial Networks)의 정의 - 서로 대립하는 Generator, Discriminator 두 개의 네트워크를 만들고 대립 과정에서 훈련 타깃을 생성하는 방법을 알도록 하는 학습 모델 나. GAN의 특징 - MLP (Multi-Layer Perceptron), Mini-Max Problem II. GAN의 학습 메커니즘 및 구성요소 가. GAN의 학습 메커니즘 - GAN는 생성자(Generator)와 판별자(Discriminator)로 구성 나. GAN의 구성요소 구성요소 세부요소 역할 요소설명 신경망계층 Generator Networ.. 2021. 3. 6.
오류 역전파(Backpropagation) 알고리즘 다층신경망, 입력층, 은닉층, 출력층, 가중치, 경사하강 I. 인공신경망의 가중치 학습 최적화, 역전파 알고리즘의 개요 가. 오류 역전파(Backpropagation) 알고리즘의 정의 - 인공신경망의 출력 값이 원하는 출력과 다를 경우, 가중치를 갱신하여 오차를 최소화 시키도록 반복 수행하여 신경망을 학습시키는 알고리즘 - 특징: 반복수행, 다층신경망, 감독학습, 역방향 계산 II. 오류 역전파 알고리즘의 학습 설명 가. 오류 역전파 알고리즘의 프로세스 - 출력층의 결과를 비교하여 오차가 있을 경우 역전파 하여 은닉층의 가중치를 조정하여 갱신 나. 오류 역전파 알고리즘의 학습절차 단계 특징 설명 1) 피드포워드 가중치 초기화 - 입력층à출력층으로 순전파 수행 2) 오류 역전파 계산 미분(예상값-실제값) .. 2021. 3. 6.
반응형

티스토리툴바